楊 磊

中信重工機(jī)械股份有限公司 河南洛陽 471039

礦山行業(yè)是國(guó)民經(jīng)濟(jì)的戰(zhàn)略產(chǎn)業(yè)，對(duì)保障我國(guó)經(jīng)濟(jì)和國(guó)防安全具有重要的戰(zhàn)略意義，國(guó)家已陸續(xù)出臺(tái)多項(xiàng)政策來促進(jìn)其發(fā)展[1]。智能化是礦山高質(zhì)量發(fā)展的必由之路，2020 年由國(guó)家發(fā)改委、能源局等聯(lián)合印發(fā)的《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》提出加快推進(jìn)礦山智能化建設(shè)，形成全面感知、實(shí)時(shí)互聯(lián)、分析決策、自主學(xué)習(xí)、動(dòng)態(tài)預(yù)測(cè)、協(xié)同控制的智能系統(tǒng)，實(shí)現(xiàn)煤礦開采過程的智能化。在礦山智能化發(fā)展的道路上，礦山裝備的數(shù)字化運(yùn)維成為智慧礦山的關(guān)鍵。黨的十九大報(bào)告明確提出“加快建設(shè)制造強(qiáng)國(guó)，推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合”。目前我國(guó)礦山裝備與生產(chǎn)運(yùn)營(yíng)狀態(tài)差異較大，管理模式各異，先進(jìn)技術(shù)與傳統(tǒng)方法交叉，設(shè)備運(yùn)維效率較低，從而造成生產(chǎn)效率低下。因此，礦山裝備數(shù)字化運(yùn)維的研究對(duì)推動(dòng)礦山產(chǎn)業(yè)的綠色智能發(fā)展具有重要意義。

物聯(lián)網(wǎng)是指通過各種信息傳感器實(shí)時(shí)采集被監(jiān)控物體的聲、光、熱等信息，通過網(wǎng)絡(luò)接入，實(shí)現(xiàn)物與物、物與人的泛在連接，實(shí)現(xiàn)對(duì)被監(jiān)控物體運(yùn)行過程的智能化感知、分析和管理。將物聯(lián)網(wǎng)技術(shù)應(yīng)用到礦山裝備數(shù)字化運(yùn)維，能夠有效提升礦山作業(yè)的效率。因此，面向智慧礦山[2]裝備運(yùn)維的需求，基于現(xiàn)有物聯(lián)網(wǎng)技術(shù)的研究成果[3-4]，提出了一種裝備數(shù)字化運(yùn)維體系架構(gòu)，能夠滿足未來礦山建設(shè)綠色高效生產(chǎn)的要求，推動(dòng)礦山行業(yè)的穩(wěn)定可持續(xù)發(fā)展。

1 數(shù)字化運(yùn)維

礦山裝備數(shù)字化運(yùn)維是一個(gè)集成多學(xué)科、多主體、多維空間信息的復(fù)雜系統(tǒng)，是礦產(chǎn)資源開采過程中所涉及到裝備的各種動(dòng)態(tài)、靜態(tài)信息的數(shù)字化管理、智能化分析和可視化展示，可以對(duì)礦山運(yùn)行過程的設(shè)備狀態(tài)、人員位置、地質(zhì)構(gòu)造等數(shù)據(jù)進(jìn)行實(shí)時(shí)采集和分析，從而形成裝備智能調(diào)度、智能運(yùn)行、智能維護(hù)等決策，為高效生產(chǎn)提供支撐。

基于物聯(lián)網(wǎng)技術(shù)構(gòu)建礦山裝備數(shù)字化運(yùn)維體系，旨在推動(dòng)礦山生產(chǎn)智能化建設(shè)，其具體應(yīng)用場(chǎng)景包括如下內(nèi)容。

(1) 礦山場(chǎng)景的實(shí)時(shí)三維重建 通過感知設(shè)備，如無人機(jī)、視頻攝像頭、環(huán)境傳感器等，對(duì)礦山全要素場(chǎng)景進(jìn)行全方位、高精度的數(shù)據(jù)采集。通過三維重建技術(shù)[5-6]立體呈現(xiàn)礦山不同區(qū)域設(shè)備的實(shí)時(shí)運(yùn)行狀況，并結(jié)合數(shù)據(jù)融合方法，基于數(shù)字孿生技術(shù)，對(duì)礦山未來狀況進(jìn)行預(yù)測(cè)，避免安全風(fēng)險(xiǎn)，提高安全作業(yè)的效率，為企業(yè)提供進(jìn)一步的礦產(chǎn)資源儲(chǔ)備評(píng)估、礦井建設(shè)設(shè)計(jì)等應(yīng)用支持。與傳統(tǒng)的地質(zhì)測(cè)量工作方式相比，節(jié)約了大量的時(shí)間，提升了檢測(cè)效率和水平。

(2) 礦山設(shè)備狀態(tài)評(píng)估與維護(hù) 根據(jù)采集設(shè)備的數(shù)據(jù)，包括功率、電流、油壓、溫度、震動(dòng)、運(yùn)行轉(zhuǎn)速等參數(shù)，對(duì)大型礦山設(shè)備進(jìn)行監(jiān)測(cè)、遠(yuǎn)程調(diào)試、性能評(píng)估和能耗管理[7]。然后，利用人工智能技術(shù)對(duì)礦山設(shè)備進(jìn)行健康評(píng)估，結(jié)合作業(yè)計(jì)劃提出設(shè)備預(yù)測(cè)性維護(hù)方案，實(shí)現(xiàn)設(shè)備合理有計(jì)劃的維護(hù)，避免設(shè)備損壞造成經(jīng)濟(jì)損失和施工進(jìn)度的延誤。

(3) 無人設(shè)備的協(xié)同調(diào)度 無人設(shè)備的協(xié)同調(diào)度需要建立在數(shù)字化、虛擬化、信息化、智能化、集成化的基礎(chǔ)上，綜合考慮生產(chǎn)、安全、環(huán)境、資源等各類要素，利用機(jī)器視覺和人工智能對(duì)各類信息進(jìn)行全面、高效、有序管理，實(shí)現(xiàn)無人設(shè)備間的協(xié)同運(yùn)行，提高設(shè)備的運(yùn)行效率，達(dá)到安全高效低耗生產(chǎn)的目的[8]。

(4) 設(shè)備故障的智能化診斷 由于礦山設(shè)備運(yùn)行環(huán)境較為復(fù)雜，極易發(fā)生零部件損壞或老化等現(xiàn)象，從而影響礦山開采的進(jìn)度。結(jié)合人工智能和物聯(lián)網(wǎng)技術(shù)對(duì)礦山設(shè)備進(jìn)行智能化診斷，能有效提高設(shè)備運(yùn)行的穩(wěn)定性和安全性，為礦山開采的安全生產(chǎn)決策提供技術(shù)保障[9]。

2 數(shù)字化運(yùn)維的內(nèi)涵

礦山裝備數(shù)字化運(yùn)維的本質(zhì)是，利用智能感知設(shè)備，對(duì)礦山運(yùn)行過程中全要素?cái)?shù)據(jù)進(jìn)行智能化采集，并通過網(wǎng)絡(luò)傳輸層實(shí)現(xiàn)設(shè)備間數(shù)據(jù)的互聯(lián)互通，形成高效的數(shù)據(jù)采集體系；然后，通過數(shù)據(jù)融合方法對(duì)采集到的設(shè)備、人員、作業(yè)環(huán)境等數(shù)據(jù)進(jìn)行清洗、處理和計(jì)算，形成智慧礦山裝備數(shù)字化管控體系，從而實(shí)現(xiàn)礦山裝備作業(yè)的智能化、可視化以及安全生產(chǎn)管理的一體化?；谖锫?lián)網(wǎng)進(jìn)行礦山裝備數(shù)字化運(yùn)維，能夠?qū)崿F(xiàn)對(duì)礦山裝備的智能識(shí)別和全面管控；同時(shí)，運(yùn)用三維重建技術(shù)，對(duì)礦山裝備進(jìn)行全方位的監(jiān)控和調(diào)度，構(gòu)建綜合管理平臺(tái)，實(shí)現(xiàn)安全生產(chǎn)過程的優(yōu)化；對(duì)生產(chǎn)過程的因素進(jìn)行綜合分析，可以提升精細(xì)化管理水平，降低事故發(fā)生頻率，從而推動(dòng)礦山裝備的智能化改造。

2.1 新的挑戰(zhàn)

面向礦山裝備的數(shù)字化運(yùn)維將對(duì)底層設(shè)備感知、數(shù)據(jù)的安全傳輸、數(shù)據(jù)存儲(chǔ)與處理和應(yīng)用層的裝備運(yùn)維提出了新的挑戰(zhàn)。

(1) 信息感知 資源開采過程中會(huì)產(chǎn)生大量的礦物粉塵及噪聲，對(duì)智能感知設(shè)備的數(shù)據(jù)采集造成了巨大的挑戰(zhàn)。

(2) 數(shù)據(jù)安全傳輸 異構(gòu)邊緣網(wǎng)絡(luò)和設(shè)備是礦山采集數(shù)據(jù)傳輸?shù)年P(guān)鍵組成部分，若遭受網(wǎng)絡(luò)攻擊會(huì)對(duì)礦山設(shè)備的安全造成重大危害，異構(gòu)網(wǎng)絡(luò)下的數(shù)據(jù)安全傳輸是礦山設(shè)備數(shù)字化運(yùn)維的關(guān)鍵。

(3) 數(shù)據(jù)存儲(chǔ)與處理 非結(jié)構(gòu)性數(shù)據(jù)存儲(chǔ)與處理成為礦山裝備數(shù)字化運(yùn)維的新挑戰(zhàn)，企業(yè)需要解決復(fù)雜結(jié)構(gòu)數(shù)據(jù)的存儲(chǔ)與管理難題，建立一個(gè)礦山全場(chǎng)景的數(shù)據(jù)管理平臺(tái)，快速整合和管理數(shù)據(jù)。

(4) 裝備運(yùn)維 礦山裝備運(yùn)行時(shí)，若出現(xiàn)故障后再進(jìn)行補(bǔ)救性搶修，就有可能對(duì)工程進(jìn)度造成巨大影響。因此，如何基于采集數(shù)據(jù)進(jìn)行故障預(yù)測(cè)與維護(hù)成為礦山裝備數(shù)字化運(yùn)維的關(guān)鍵。

2.2 應(yīng)對(duì)技術(shù)

面對(duì)礦山裝備數(shù)字化運(yùn)維的這些挑戰(zhàn)，目前研究提出了多種應(yīng)對(duì)技術(shù)，包括云計(jì)算、智能決策、大數(shù)據(jù)分析、數(shù)字孿生和物聯(lián)網(wǎng)等。

(1) 數(shù)字孿生 數(shù)字孿生是指通過集成物理反饋數(shù)據(jù)，并輔以人工智能和機(jī)器學(xué)習(xí)等方法，在信息化平臺(tái)建立一個(gè)虛擬化模型[10]。根據(jù)物理場(chǎng)景的實(shí)時(shí)反饋信息，對(duì)虛擬化模型做出相應(yīng)改變。虛擬化模型根據(jù)歷史數(shù)據(jù)和專業(yè)知識(shí)，通過自學(xué)習(xí)機(jī)制對(duì)未來場(chǎng)景變化做出預(yù)測(cè)，并反饋實(shí)體物理場(chǎng)景。

(2) 云計(jì)算 云計(jì)算是指通過網(wǎng)絡(luò)將巨大的數(shù)據(jù)計(jì)算任務(wù)分解成多個(gè)子任務(wù)，通過多個(gè)云服務(wù)器處理和分析，得到各子任務(wù)的處理結(jié)果。

(3) 機(jī)器學(xué)習(xí) 針對(duì)感知裝備數(shù)據(jù)，利用機(jī)器學(xué)習(xí)技術(shù)對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行融合，依據(jù)歷史信息建立設(shè)備狀態(tài)特征庫(kù)，結(jié)合生成設(shè)備的特殊性，執(zhí)行智能決策，形成設(shè)備的健康狀況分析和預(yù)測(cè)性維護(hù)建議。機(jī)器學(xué)習(xí)主要解決礦山裝備運(yùn)維的智慧性問題。

3 數(shù)字化運(yùn)維體系架構(gòu)

面向礦山裝備運(yùn)行維護(hù)方面的需求，提出了由設(shè)備感知層、網(wǎng)絡(luò)傳輸層、數(shù)據(jù)智能分析與挖掘?qū)雍头?wù)應(yīng)用層組成的 4 層結(jié)構(gòu)模型，各層內(nèi)容及層間關(guān)系如圖 1 所示。

圖1 礦山裝備數(shù)字化運(yùn)維架構(gòu)Fig.1 Architecture of digital operation and maintenance of mining equipment

3.1 設(shè)備狀態(tài)感知層

圍繞礦山現(xiàn)場(chǎng)環(huán)境、大型開采移動(dòng)設(shè)備和固定設(shè)備等對(duì)象，分析環(huán)境變化對(duì)智能傳感器的影響機(jī)理，基于物聯(lián)網(wǎng)技術(shù)，利用紅外像機(jī)、檢測(cè)器、激光雷達(dá)、無人機(jī)、智能傳感器等設(shè)備對(duì)礦山場(chǎng)景和開采設(shè)備進(jìn)行數(shù)據(jù)采集?；跀?shù)據(jù)處理與清洗技術(shù)對(duì)采集的多源異構(gòu)原始數(shù)據(jù)進(jìn)行修補(bǔ)，提高感知數(shù)據(jù)的準(zhǔn)確性。利用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)對(duì)感知信息進(jìn)行層級(jí)分析，提取礦山設(shè)備的狀態(tài)特征，為設(shè)備的故障預(yù)測(cè)、協(xié)同調(diào)度和維護(hù)提供數(shù)據(jù)基礎(chǔ)。

3.2 網(wǎng)絡(luò)傳輸層

礦山智能裝備感知設(shè)備的實(shí)時(shí)數(shù)據(jù)傳輸可能面臨被攔截、監(jiān)聽和篡改等安全風(fēng)險(xiǎn)，因此，需要保證網(wǎng)絡(luò)節(jié)點(diǎn)間數(shù)據(jù)傳輸?shù)目煽啃院桶踩浴Ｊ紫?，利用設(shè)備唯一標(biāo)識(shí)符建立接入網(wǎng)絡(luò)設(shè)備的雙重身份認(rèn)證機(jī)制，保障接入設(shè)備的安全可信性；然后，基于公開標(biāo)識(shí)和隱形標(biāo)識(shí)建立輕量級(jí)動(dòng)態(tài)雙重密鑰加解密方法，保證傳輸數(shù)據(jù)的隱私性；最后，利用簽名算法保障傳輸數(shù)據(jù)的不可偽造性和完整性。網(wǎng)絡(luò)數(shù)據(jù)傳輸模型如圖 2 所示，網(wǎng)絡(luò)傳輸層的作用是將設(shè)備感知層采集到的數(shù)據(jù)安全可靠地傳輸至數(shù)據(jù)分析層。

圖2 網(wǎng)絡(luò)數(shù)據(jù)傳輸模型Fig.2 Network data transmission model

3.3 數(shù)據(jù)智能分析與挖掘?qū)?/h3>

數(shù)據(jù)中心根據(jù)采集的數(shù)據(jù)，對(duì)裝備狀態(tài)進(jìn)行智能分析并挖掘其中的關(guān)鍵信息，主要包括以下內(nèi)容。

(1) 數(shù)據(jù)融合 利用人工智能和大數(shù)據(jù)技術(shù)，綜合分析多種信息源采集到的數(shù)據(jù)，提出礦山設(shè)備多源信息的屬性關(guān)聯(lián)與匹配模式，建立多源、異構(gòu)、異步信息融合模型，輔助作業(yè)人員及工業(yè)控制系統(tǒng)進(jìn)行決策判斷和行動(dòng)規(guī)劃。

(2) 數(shù)據(jù)存儲(chǔ) 對(duì)從網(wǎng)絡(luò)傳輸層獲取的設(shè)備運(yùn)行和環(huán)境特征數(shù)據(jù)，基于先驗(yàn)知識(shí)與領(lǐng)域知識(shí)，建立具有自學(xué)習(xí)與自更新能力的知識(shí)圖譜，構(gòu)造訪問路徑自主動(dòng)態(tài)更新策略，實(shí)現(xiàn)融合信息的協(xié)同存儲(chǔ)與共享，為上層應(yīng)用提供支持。

(3) 數(shù)據(jù)挖掘 集成神經(jīng)網(wǎng)絡(luò)、聚類分析、決策樹等方法，結(jié)合分布式計(jì)算，實(shí)現(xiàn)各類設(shè)備運(yùn)行狀態(tài)的分析與識(shí)別，構(gòu)建設(shè)備運(yùn)行機(jī)理與數(shù)據(jù)挖掘相結(jié)合的設(shè)備狀態(tài)演化規(guī)律分析框架，利用設(shè)備長(zhǎng)期運(yùn)行過程中積累的多源數(shù)據(jù)和人工智能方法實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)與數(shù)據(jù)間的關(guān)聯(lián)分析，建立礦山設(shè)備數(shù)據(jù)的解析和挖掘模型，為應(yīng)用層提供決策。

3.4 服務(wù)應(yīng)用層

基于物聯(lián)網(wǎng)、云計(jì)算技術(shù)和人工智能技術(shù)，創(chuàng)建一個(gè)設(shè)備數(shù)字化運(yùn)維服務(wù)平臺(tái)，形成計(jì)算能力強(qiáng)、靈活性高的應(yīng)用服務(wù)層。服務(wù)應(yīng)用層主要包含以下 4 個(gè)方面的應(yīng)用。

(1) 設(shè)備數(shù)字化三維重建 基于數(shù)據(jù)智能分析與挖掘?qū)拥慕Y(jié)果，從幾何、物理、行為、規(guī)則等多個(gè)維度對(duì)礦山設(shè)備運(yùn)行狀況進(jìn)行刻畫和描述，同時(shí)融合機(jī)器學(xué)習(xí)算法對(duì)模型進(jìn)行優(yōu)化，從多層次角度對(duì)模型組裝和融合形成設(shè)備要素虛擬重構(gòu)模型。通過對(duì)礦山設(shè)備要素模型進(jìn)行配置形成以應(yīng)用為導(dǎo)向的礦山設(shè)備管理系統(tǒng)的數(shù)字孿生模型，再基于生產(chǎn)過程動(dòng)態(tài)數(shù)據(jù)對(duì)仿真模型施加約束、初始化和輸入設(shè)置，精準(zhǔn)構(gòu)建礦山設(shè)備仿真模型。最后利用時(shí)域最大誤差限評(píng)價(jià)法和模型降階算法對(duì)誤差進(jìn)行自適應(yīng)降階，并自主優(yōu)化礦山設(shè)備全要素模型生成簡(jiǎn)化降階模型，實(shí)現(xiàn)對(duì)礦山生產(chǎn)設(shè)備仿真模型高效實(shí)時(shí)處理，為礦山開采設(shè)備的協(xié)同調(diào)度、生產(chǎn)設(shè)備故障預(yù)測(cè)和設(shè)備的預(yù)測(cè)性維護(hù)提供服務(wù)支持。

(2) 設(shè)備的協(xié)同調(diào)度 生產(chǎn)設(shè)備的協(xié)同調(diào)度是提升礦山開采生產(chǎn)效率的關(guān)鍵?；谌藛T、設(shè)備、開采任務(wù)、開采位置等多源融合信息，分析礦山生產(chǎn)過程的動(dòng)態(tài)演化規(guī)律，構(gòu)建生產(chǎn)任務(wù)的多目標(biāo)約束函數(shù)，利用生成式對(duì)抗網(wǎng)絡(luò)技術(shù)生成調(diào)度序列樣本數(shù)據(jù)，將其輸入多層神經(jīng)網(wǎng)絡(luò)，基于粒子群優(yōu)化算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，獲得神經(jīng)網(wǎng)絡(luò)的最優(yōu)權(quán)重和閾值，以逼近優(yōu)化目標(biāo)函數(shù)，形成生產(chǎn)設(shè)備任務(wù)調(diào)度模型。

(3) 智能化的設(shè)備故障診斷 準(zhǔn)確、及時(shí)的礦山設(shè)備健康狀況評(píng)估和智能化的設(shè)備故障診斷是礦山順利開采的基礎(chǔ)。在單個(gè)設(shè)備狀態(tài)評(píng)估方面，依據(jù)設(shè)備運(yùn)行歷史信息建立狀態(tài)特征庫(kù)，基于自監(jiān)督表示學(xué)習(xí)，基于 Transformer 機(jī)制的雙流循環(huán)神經(jīng)網(wǎng)絡(luò)行為對(duì)設(shè)備狀態(tài)進(jìn)行識(shí)別分析，根據(jù)設(shè)備運(yùn)行過程中產(chǎn)生的各種信息判別設(shè)備運(yùn)行狀態(tài)是否存在異常，并判定產(chǎn)生故障的原因和部位，依據(jù)設(shè)備組件間的內(nèi)在聯(lián)系，提出設(shè)備故障診斷方法。

(4) 設(shè)備的預(yù)測(cè)性維護(hù) 基于礦山設(shè)備健康狀況信息，考慮生產(chǎn)設(shè)備的聯(lián)通性、業(yè)務(wù)相關(guān)性等因素，構(gòu)建生產(chǎn)設(shè)備健康狀況視圖，探索生產(chǎn)設(shè)備健康狀況退化模型，引入生成式對(duì)抗網(wǎng)絡(luò)分析生產(chǎn)設(shè)備健康狀況發(fā)展趨勢(shì)，構(gòu)建生產(chǎn)設(shè)備全局健康狀況態(tài)勢(shì)模型，為預(yù)防性維護(hù)提供數(shù)據(jù)基礎(chǔ)，深入分析生產(chǎn)設(shè)備健康狀況態(tài)勢(shì)，基于先驗(yàn)知識(shí)構(gòu)建設(shè)備監(jiān)控狀況評(píng)估模型，并按照健康等級(jí)給出預(yù)測(cè)性維護(hù)策略，避免由于突發(fā)故障造成生產(chǎn)損失。

4 技術(shù)應(yīng)用

基于物聯(lián)網(wǎng)的礦山裝備數(shù)字化運(yùn)維技術(shù)形成的礦山裝備運(yùn)維物聯(lián)網(wǎng)平臺(tái)，主要應(yīng)用于大型工業(yè)設(shè)備的運(yùn)行監(jiān)測(cè)、遠(yuǎn)程調(diào)試、性能評(píng)估、能耗管理和故障診斷。

該平臺(tái)可以實(shí)時(shí)采集獲取整個(gè)生產(chǎn)系統(tǒng)的運(yùn)行數(shù)據(jù)，并采用機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、統(tǒng)計(jì)回歸、機(jī)理分析、數(shù)據(jù)融合和頻譜分析等技術(shù)，開發(fā)了面向整個(gè)生產(chǎn)過程的仿真數(shù)學(xué)模型、設(shè)備性能評(píng)估模型、設(shè)備故障診斷模型和設(shè)備預(yù)測(cè)維護(hù)模型。通過生產(chǎn)過程的仿真模型和設(shè)備性能評(píng)估模型運(yùn)行數(shù)據(jù)的仿真分析，可進(jìn)行整個(gè)工業(yè)設(shè)備生產(chǎn)過程的優(yōu)化，提升用戶企業(yè)的生產(chǎn)效率。同時(shí)通過設(shè)備故障診斷模型和預(yù)測(cè)維護(hù)模型，對(duì)關(guān)鍵設(shè)備的運(yùn)行狀況進(jìn)行實(shí)時(shí)監(jiān)控和診斷預(yù)測(cè)，可實(shí)現(xiàn)設(shè)備的健康管理和故障預(yù)測(cè)與診斷，從而優(yōu)化用戶的檢修和維護(hù)水平，提升設(shè)備的可靠性和作業(yè)率。

該平臺(tái)提供了智能裝備的全生命周期分析方法，通過構(gòu)建支撐設(shè)備狀態(tài)監(jiān)控、性能預(yù)測(cè)和故障診斷功能的數(shù)據(jù)庫(kù)管理系統(tǒng)，分析系統(tǒng)業(yè)務(wù)模型和數(shù)據(jù)信息流向，在研究靜態(tài)數(shù)據(jù)和運(yùn)行狀態(tài)動(dòng)態(tài)數(shù)據(jù)的存儲(chǔ)策略基礎(chǔ)上，構(gòu)造設(shè)備本征數(shù)據(jù)庫(kù)、診斷系統(tǒng)專家知識(shí)庫(kù)和故障診斷模型庫(kù)。采用粗糙集、決策樹、模糊推理等手段，基于數(shù)據(jù)庫(kù)系統(tǒng)設(shè)備歷史數(shù)據(jù)，逐步精確化系統(tǒng)本征參數(shù)，實(shí)現(xiàn)設(shè)備特征庫(kù)的自動(dòng)更新，最終實(shí)現(xiàn)智能裝備的性能分析、工況識(shí)別、故障診斷、故障報(bào)警和預(yù)測(cè)維護(hù)等功能，大幅提高全生命周期過程中裝備的智能化水平。

5 結(jié)語

從礦山設(shè)備數(shù)字化運(yùn)維建設(shè)發(fā)展需求出發(fā)，利用物聯(lián)網(wǎng)技術(shù)，提出了面向礦山設(shè)備運(yùn)維的 4 層體系架構(gòu)，并對(duì)各層內(nèi)容進(jìn)行了闡述，最后給出了數(shù)字化運(yùn)維技術(shù)的應(yīng)用。礦山設(shè)備數(shù)字化運(yùn)維需要經(jīng)歷一個(gè)長(zhǎng)期發(fā)展的過程，隨著大數(shù)據(jù)、人工智能、區(qū)塊鏈技術(shù)的發(fā)展，需結(jié)合機(jī)器視覺和人工智能技術(shù)不斷對(duì)其進(jìn)行智能化升級(jí)，增強(qiáng)系統(tǒng)的智慧性，推動(dòng)礦山產(chǎn)業(yè)的健康發(fā)展。